# 共同初態與約束誘導分化

## Common Initial State and Constraint-Induced Differentiation

**系列：完美長方體的全域閉合理論（Global Closure Theory of the Perfect Cuboid）**  
**篇次：03 / 08**  
**狀態：研究前導稿 / Phase 0 — Conceptual Closure**  
**日期：2026-09-28**

---

## 摘要

前兩篇分別完成 Perfect Cuboid 問題的重新表述，以及其正實數解空間與尺度商空間的幾何整理。本文進一步提出一個生成式觀點：不從七個彼此獨立的未知數開始，而從一個未分化共同初態出發，讓幾何約束本身驅動變數分化，最終形成滿足 Perfect Cuboid 幾何關係的 shape。

令

$$
X=(a,b,c,d,e,f,g)
$$

並定義約束映射

$$
F(X)=
\begin{pmatrix}
a^2+b^2-d^2\\
a^2+c^2-e^2\\
b^2+c^2-f^2\\
a^2+b^2+c^2-g^2
\end{pmatrix}.
$$

傳統方法直接搜尋

$$
F(X)=0
$$

且

$$
X\in\mathbb Z_{>0}^{7}.
$$

本文改採：

$$
X_0
\rightarrow
X_1
\rightarrow
X_2
\rightarrow
\cdots
\rightarrow
X^\ast,
$$

其中

$$
X_0=(s,s,s,s,s,s,s)
$$

代表未分化 seed，而更新律由約束殘差、尺度正規化、正性維持與對稱性共同決定。此處的共同初態並非候選解，而是一種生成原點：所有數值先被視為同一未展開狀態，之後才由 constraint field 產生方向性差異。

本文區分三種分化：幾何分化、尺度分化與算術分化。第一階段只要求演化進入連續閉合流形；第二階段移除純尺度；第三階段才研究是否能進一步顯現為精確有理點。因此，constraint dynamics 不被要求直接「猜中整數」，而是先產生可分析、可重建、可精確驗證的 shape。

本文亦提出幾種可供正式實驗使用的更新框架，包括 normalized residual descent、projected constraint flow、alternating closure projection 與 symmetry-breaking perturbation。這些方法目前均作為研究架構而非證明。核心目標是建立一個可以測試下列問題的統一系統：

$$
\boxed{
\text{共同初態是否能在全域約束下穩定分化為非退化 closed shape？}
}
$$

以及更進一步：

$$
\boxed{
\text{哪些 closed shapes 具有可被精確有理重建的算術結構？}
}
$$

---

## 1. 問題從「搜尋」改為「生成」

傳統 Perfect Cuboid 搜尋通常將：

$$
a,b,c,d,e,f,g
$$

視為七個待選整數，然後反覆檢查：

$$
F(X)\overset{?}{=}0.
$$

本文採用不同起點。

我們先給一個 seed：

$$
X_0=(s,s,s,s,s,s,s),
$$

其中：

$$
s>0.
$$

這個狀態一般不滿足 Perfect Cuboid 約束。

例如第一條約束為：

$$
s^2+s^2-s^2=s^2\neq0.
$$

所以：

$$
F(X_0)\neq0.
$$

但這不是缺陷。

因為：

$$
X_0
$$

的角色不是「初始猜測答案」，而是「未分化共同狀態」。

換言之：

> 所有變數先共享同一數值身分，再由彼此不同的約束角色迫使它們產生差異。

這個觀點將問題從：

$$
\text{Which seven values work?}
$$

改成：

$$
\text{How do seven roles differentiate under one global constraint system?}
$$

---

## 2. 未分化初態的意義

考慮：

$$
X_0=(s,s,s,s,s,s,s).
$$

它具有最大程度的座標對稱：

$$
a=b=c=d=e=f=g=s.
$$

在此狀態中，各變數尚未反映其幾何角色。

但是約束系統會區分這些角色：

- $$a,b,c$$ 是邊；
- $$d,e,f$$ 是面對角線；
- $$g$$ 是空間對角線。

因此，雖然初態完全相同，約束本身並不對七個變數完全對稱。

例如：

$$
d
$$

出現在：

$$
a^2+b^2-d^2=0,
$$

而：

$$
g
$$

出現在：

$$
a^2+b^2+c^2-g^2=0.
$$

這些不同 coupling pattern 將產生不同的演化壓力。

因此，可以把共同初態視為：

$$
\boxed{
\text{undifferentiated numerical seed}
}
$$

而：

$$
F
$$

則是：

$$
\boxed{
\text{role-differentiating constraint field}
}
$$

---

## 3. 三種不同的「分化」

本文將分化分成三層。

### 3.1 幾何分化

變數從：

$$
a=b=c=d=e=f=g
$$

逐步離開共同值，使：

$$
F(X)\rightarrow0.
$$

這一階段只要求：

$$
X\in\mathbb R_{>0}^{7}.
$$

### 3.2 尺度分化

即使：

$$
F(X)=0,
$$

仍存在：

$$
X\sim\lambda X.
$$

所以演化可能只是在放大或縮小，而沒有真正改變 shape。

因此需要將：

$$
\text{shape change}
$$

與：

$$
\text{scale change}
$$

分開。

### 3.3 算術分化

在得到：

$$
X^\ast\in\mathcal M_{\mathbb R}
$$

之後，還要問：

$$
X^\ast\in\mathbb Q^7?
$$

或者是否存在：

$$
Y\in\mathbb Q^7
$$

使：

$$
Y\approx X^\ast
$$

並且：

$$
F(Y)=0
$$

精確成立。

因此：

$$
\boxed{
\text{geometric differentiation}
\neq
\text{arithmetic differentiation}
}
$$

兩者不能合併。

---

## 4. 原始 residual energy

最直接的 constraint energy 是：

$$
E(X)
=
\frac12
\|F(X)\|_2^2.
$$

即：

$$
E(X)
=
\frac12
\left[
(a^2+b^2-d^2)^2
+
(a^2+c^2-e^2)^2
+
(b^2+c^2-f^2)^2
+
(a^2+b^2+c^2-g^2)^2
\right].
$$

顯然：

$$
E(X)\ge0.
$$

而：

$$
E(X)=0
$$

當且僅當：

$$
F(X)=0.
$$

因此：

$$
\mathcal M_{\mathbb R}
=
\{X:E(X)=0\}.
$$

這使問題可以暫時改寫成：

$$
\min E(X).
$$

但是原始：

$$
E
$$

有一個嚴重問題：

$$
E(\lambda X)=\lambda^4E(X).
$$

因此：

$$
X\rightarrow0
$$

會讓：

$$
E(X)\rightarrow0.
$$

也就是說，單純 minimizing residual 可能把所有變數一起壓到零。

這是典型的：

$$
\boxed{
\text{degenerate collapse}
}
$$

而不是成功生成長方體。

---

## 5. 為什麼必須先移除尺度

若只使用：

$$
E(X),
$$

則零向量：

$$
X=0
$$

是全域最小值。

但 Perfect Cuboid 要求：

$$
a,b,c>0.
$$

因此不能讓系統透過「整體縮小」逃避真正的 shape closure。

這說明：

> 約束生成若不先處理尺度自由度，將自然產生錯誤吸引子。

所以我們需要 normalized energy。

一種做法是：

$$
g=1.
$$

此時只演化：

$$
q=(x,y,z,u,v,w),
$$

其中：

$$
x=\frac ag,
$$

$$
y=\frac bg,
$$

$$
z=\frac cg.
$$

並要求：

$$
x^2+y^2+z^2=1.
$$

另一種做法是在七維中定義：

$$
\widehat E(X)
=
\frac{\|F(X)\|_2^2}
{\|X\|_2^4}.
$$

因為：

$$
\|\lambda X\|_2^4
=
\lambda^4\|X\|_2^4,
$$

所以：

$$
\widehat E(\lambda X)
=
\widehat E(X).
$$

因此：

$$
\boxed{
\widehat E
\text{ is scale invariant}
}
$$

只要：

$$
X\neq0.
$$

---

## 6. normalized shape dynamics

最簡單的生成架構可以寫成：

$$
X_{n+\frac12}
=
X_n
-
\eta_n
\nabla\widehat E(X_n),
$$

再做尺度正規化：

$$
X_{n+1}
=
\mathcal N(X_{n+\frac12}),
$$

其中：

$$
\eta_n>0
$$

為 step size，

而：

$$
\mathcal N
$$

可以選擇：

$$
\mathcal N(X)
=
\frac{X}{g}
$$

使：

$$
g=1,
$$

或：

$$
\mathcal N(X)
=
\frac{X}{\sqrt{a^2+b^2+c^2}}
$$

使：

$$
a^2+b^2+c^2=1.
$$

這樣每一步都保持：

$$
\text{scale fixed}.
$$

因此真正被演化的是 shape，而不是 magnitude。

---

## 7. 正性不能只靠運氣

單純梯度更新可能產生：

$$
a<0,
$$

或：

$$
b<0.
$$

雖然平方方程本身不在意符號，但幾何邊長需要：

$$
a,b,c,d,e,f,g>0.
$$

一種做法是直接使用 reparameterization：

$$
a=e^{\alpha},
$$

$$
b=e^{\beta},
$$

$$
c=e^{\gamma},
$$

$$
d=e^{\delta},
$$

$$
e=e^{\epsilon},
$$

$$
f=e^{\phi},
$$

$$
g=e^{\psi}.
$$

如此自動保證：

$$
X\in\mathbb R_{>0}^{7}.
$$

另一種方法是在每步更新後做投影：

$$
X_{n+1}
=
\Pi_{\mathbb R_{>0}^{7}}
\left(
X_n-\eta\nabla\widehat E
\right).
$$

但 projection 可能在邊界產生不連續行為。

因此正式實驗時，log-coordinate 可能更乾淨。

---

## 8. 共同初態與對稱破缺

如果：

$$
X_0=(s,s,s,s,s,s,s)
$$

完全對稱，而更新律本身也保留過多對稱，系統可能陷入一個對稱不變子空間。

例如若始終保持：

$$
a=b=c
$$

以及：

$$
d=e=f,
$$

則 Perfect Cuboid 條件退化為：

$$
2a^2=d^2,
$$

以及：

$$
3a^2=g^2.
$$

所以：

$$
d=\sqrt2\,a,
$$

$$
g=\sqrt3\,a.
$$

這是一個合法實數 closed shape，但不是有理 Perfect Cuboid。

因此完全對稱 flow 很可能快速收斂到：

$$
a=b=c,
$$

即 cube-like attractor。

這不是我們要的 arithmetic target。

所以後續需要考慮：

$$
\boxed{
\text{symmetry breaking}
}
$$

但 symmetry breaking 不應是任意噪音，而應是可控、可追蹤的。

---

## 9. 微小擾動 seed

可將共同初態寫成：

$$
X_0=s\mathbf 1+\varepsilon V,
$$

其中：

$$
\mathbf 1=(1,1,1,1,1,1,1),
$$

且：

$$
0<\varepsilon\ll1.
$$

向量：

$$
V
$$

負責選擇初始分化方向。

例如：

$$
V=
(v_a,v_b,v_c,v_d,v_e,v_f,v_g).
$$

可以要求：

$$
\sum_i v_i=0
$$

避免第一階擾動只是整體尺度漂移。

也可以進一步要求：

$$
V
$$

正交於 scale direction：

$$
\mathbf 1.
$$

即：

$$
V\cdot\mathbf 1=0.
$$

這樣：

$$
\varepsilon V
$$

主要改變 shape。

---

## 10. Jacobian 給出的局部分化方向

約束映射：

$$
F:\mathbb R^7\rightarrow\mathbb R^4
$$

的 Jacobian 為：

$$
J_F(X)
=
\begin{pmatrix}
2a & 2b & 0 & -2d & 0 & 0 & 0\\
2a & 0 & 2c & 0 & -2e & 0 & 0\\
0 & 2b & 2c & 0 & 0 & -2f & 0\\
2a & 2b & 2c & 0 & 0 & 0 & -2g
\end{pmatrix}.
$$

在共同初態：

$$
X_0=s\mathbf 1,
$$

有：

$$
J_F(X_0)
=
2s
\begin{pmatrix}
1 & 1 & 0 & -1 & 0 & 0 & 0\\
1 & 0 & 1 & 0 & -1 & 0 & 0\\
0 & 1 & 1 & 0 & 0 & -1 & 0\\
1 & 1 & 1 & 0 & 0 & 0 & -1
\end{pmatrix}.
$$

這個矩陣直接編碼：

> 哪一些微小分化方向會最快改變哪一組約束。

因此，不需要把 symmetry breaking 完全交給隨機擾動。

可以分析：

$$
J_F(X_0)
$$

或：

$$
J_F(X_0)^\top J_F(X_0)
$$

的 eigendirections，

將其作為 canonical differentiation modes。

這可能產生：

$$
V_1,V_2,\ldots,V_k
$$

不同 mode。

然後分別追蹤：

$$
X_0+\varepsilon V_i.
$$

---

## 11. constraint-induced differentiation mode

為避免把任意數值擾動誤認為重要方向，可以定義：

$$
\mathcal H(X)
=
J_F(X)^\top J_F(X).
$$

在：

$$
X_0
$$

處求：

$$
\mathcal H(X_0)V_i
=
\lambda_iV_i.
$$

其中：

$$
\lambda_i
$$

描述該方向對約束 residual 的局部敏感度。

高：

$$
\lambda_i
$$

方向表示：

$$
F
$$

對這種分化非常敏感。

低：

$$
\lambda_i
$$

方向則可能近似落在：

$$
\ker J_F.
$$

後者可能代表：

- 局部自由方向；
- 尺度方向；
- 潛在 shape tangent；
- 或數值病態方向。

因此共同初態可以被拆解為：

$$
\boxed{
\text{seed}
+
\text{constraint spectrum}
}
$$

這比「隨便給七個初始值」更有結構。

---

## 12. 直接在 shape space 中分化

由第 2 篇可知，真正連續 shape space 可以直接用：

$$
(x,y,z)
$$

表示，滿足：

$$
x^2+y^2+z^2=1.
$$

因此一種更乾淨的方法是：

> 不在七維中做 constraint descent，而直接在二維 shape world 中生成。

從共同邊長：

$$
a=b=c
$$

出發，正規化後得到：

$$
x=y=z=\frac1{\sqrt3}.
$$

這是球面八分體中的高度對稱點：

$$
P_{\mathrm{cube}}
=
\left(
\frac1{\sqrt3},
\frac1{\sqrt3},
\frac1{\sqrt3}
\right).
$$

然後定義一條 shape trajectory：

$$
\gamma(t)\in\Sigma_{+++},
$$

滿足：

$$
\gamma(0)=P_{\mathrm{cube}}.
$$

這樣共同初態就不再是七維：

$$
(s,\ldots,s),
$$

而是 normalized shape world 中的 cube seed。

---

## 13. cube seed 的特殊地位

對：

$$
x=y=z=\frac1{\sqrt3},
$$

三個面對角線為：

$$
u=v=w=\sqrt{\frac23}.
$$

因此 cube seed 在實數層完美閉合。

但：

$$
\frac1{\sqrt3}\notin\mathbb Q
$$

而且：

$$
\sqrt{\frac23}\notin\mathbb Q.
$$

所以它不是 arithmetic closure。

這揭示一個非常重要的結構：

$$
\boxed{
\text{共同初態在幾何層可以非常自然，
但在算術層完全不合格}
}
$$

因此真正的演化不一定是：

$$
\text{invalid geometry}
\rightarrow
\text{valid geometry}.
$$

更可能是：

$$
\text{valid symmetric real geometry}
\rightarrow
\text{less symmetric shape}
\rightarrow
\text{candidate arithmetic closure}.
$$

這比七維 residual descent 更接近本系列真正要研究的問題。

---

## 14. 從幾何約束改為算術壓力

如果直接在：

$$
\Sigma_{+++}
$$

上演化，四個幾何方程已經自動滿足。

此時剩餘的真正條件是：

$$
x,y,z\in\mathbb Q
$$

以及：

$$
x^2+y^2\in\mathbb Q^2,
$$

$$
x^2+z^2\in\mathbb Q^2,
$$

$$
y^2+z^2\in\mathbb Q^2.
$$

所以 shape dynamics 的目標不再是：

$$
F(X)\rightarrow0,
$$

因為：

$$
F=0
$$

已由 shape parametrization 保證。

而是尋找一個新的 arithmetic energy：

$$
A(x,y,z).
$$

理想上：

$$
A(x,y,z)=0
$$

當且僅當該 shape 是 exact rational closure。

這比普通 Euclidean residual 更困難，因為：

$$
\mathbb Q
$$

在：

$$
\mathbb R
$$

中稠密。

因此：

$$
\operatorname{dist}(x,\mathbb Q)=0
$$

對所有：

$$
x\in\mathbb R.
$$

所以不能用普通距離表示「離有理數有多遠」。

---

## 15. 算術能量必須使用複雜度，而非距離

如果要定義 arithmetic pressure，更合理的方向是使用 rational reconstruction complexity。

例如對：

$$
x\in\mathbb R
$$

定義截斷高度：

$$
H_{\max}.
$$

在：

$$
1\le q\le H_{\max}
$$

內找最佳有理逼近：

$$
\frac pq.
$$

可定義：

$$
C_{\mathbb Q}(x;H_{\max})
=
\min_{\substack{p,q\in\mathbb Z\\1\le q\le H_{\max}}}
\left[
\alpha\left|x-\frac pq\right|
+
\beta\log q
\right].
$$

這裡：

$$
\alpha,\beta>0.
$$

第一項要求精度，

第二項懲罰巨大分母。

但是：

$$
C_{\mathbb Q}
$$

仍然只是 heuristic score。

它不能證明：

$$
x\in\mathbb Q.
$$

正式證明仍需 exact reconstruction。

因此後續實驗應分為：

$$
\text{arithmetic guidance}
$$

與：

$$
\text{arithmetic certification}.
$$

---

## 16. 對平方閉合的複雜度壓力

對：

$$
x,y,z
$$

可以定義三個 square targets：

$$
s_1=x^2+y^2,
$$

$$
s_2=x^2+z^2,
$$

$$
s_3=y^2+z^2.
$$

需要：

$$
s_i=r_i^2
$$

其中：

$$
r_i\in\mathbb Q.
$$

可以暫時定義有限高度 score：

$$
C_{\square}(s;H)
=
\min_{\substack{p,q\in\mathbb Z\\1\le q\le H}}
\left[
\left|s-\left(\frac pq\right)^2\right|
+
\lambda\log q
\right].
$$

則總 heuristic arithmetic pressure 可寫成：

$$
A_H(x,y,z)
=
C_{\mathbb Q}(x;H)
+
C_{\mathbb Q}(y;H)
+
C_{\mathbb Q}(z;H)
$$

$$
+
C_{\square}(x^2+y^2;H)
+
C_{\square}(x^2+z^2;H)
+
C_{\square}(y^2+z^2;H).
$$

再次強調：

$$
A_H
$$

只用於 candidate discovery。

即使：

$$
A_H\approx0,
$$

也不等於找到 Perfect Cuboid。

---

## 17. Alternating Closure Projection

另一種比直接 gradient descent 更符合「約束壓過來」的做法，是 alternating projection。

定義不同約束集合：

$$
C_1=
\{X:a^2+b^2=d^2\},
$$

$$
C_2=
\{X:a^2+c^2=e^2\},
$$

$$
C_3=
\{X:b^2+c^2=f^2\},
$$

$$
C_4=
\{X:a^2+b^2+c^2=g^2\}.
$$

然後交替投影：

$$
X^{(1)}
=
\Pi_{C_1}(X^{(0)}),
$$

$$
X^{(2)}
=
\Pi_{C_2}(X^{(1)}),
$$

$$
X^{(3)}
=
\Pi_{C_3}(X^{(2)}),
$$

$$
X^{(4)}
=
\Pi_{C_4}(X^{(3)}),
$$

再循環。

也可以加入：

$$
\Pi_{\mathrm{scale}},
$$

$$
\Pi_{\mathrm{positive}},
$$

$$
\Pi_{\mathrm{canonical}}.
$$

形成：

$$
\boxed{
\text{constraint projection cycle}
}
$$

這與「一次把全部方程壓成單一 algebraic object」不同。

它保留每個 constraint 的角色。

---

## 18. Constraint cycle 與全域閉合

交替 projection 的真正問題是：

> 局部滿足每一條約束，是否會產生全域共同不動點？

令：

$$
\mathcal T
=
\Pi_{C_4}
\circ
\Pi_{C_3}
\circ
\Pi_{C_2}
\circ
\Pi_{C_1}.
$$

如果：

$$
X^\ast
$$

是共同閉合解，則理想上：

$$
\mathcal T(X^\ast)=X^\ast.
$$

所以：

$$
X^\ast
$$

是：

$$
\mathcal T
$$

的不動點。

這提供另一個 formulation：

$$
\boxed{
\text{Perfect Cuboid geometry}
=
\text{global fixed point of coupled Pythagorean projections}
}
$$

後續若加入 radix 與 arithmetic operator，就會得到更豐富的 fixed-point system。

---

## 19. 同一數值不是結果，而是生成原點

現在可以更精確地解釋本系列一開始提出的：

> 所有數值先是同一個數值。

它不表示要求：

$$
a=b=c=d=e=f=g
$$

在最終答案中成立。

它表示：

$$
\boxed{
\text{initial numerical identity}
}
$$

然後：

$$
\boxed{
\text{constraint-induced role differentiation}
}
$$

也就是：

$$
s
\rightarrow
\{a,b,c,d,e,f,g\}.
$$

抽象地可寫成：

$$
\mathcal G(s,F,\theta)
=
X^\ast,
$$

其中：

$$
\mathcal G
$$

是一個生成算子，

$$
F
$$

是約束系統，

$$
\theta
$$

包含：

- symmetry-breaking mode；
- normalization；
- update schedule；
- radix observation；
- arithmetic guidance。

這種 formulation 更接近一個 world generator。

---

## 20. 兩條生成路徑

到目前為止，可以明確分成兩條。

### 路徑 A：七維幾何生成

從：

$$
X_0=s\mathbf 1
$$

出發，

使用：

$$
F(X)
$$

與：

$$
\widehat E(X)
$$

讓系統進入：

$$
\mathcal M_{\mathbb R}.
$$

優點：

- 保留完整約束網路；
- 可觀察每個變數如何分化；
- 適合研究 constraint causality。

缺點：

- 幾何閉合本身太容易；
- 可能浪費大量運算在已知連續解空間。

### 路徑 B：二維 shape 生成

直接從：

$$
P_{\mathrm{cube}}
=
\left(
\frac1{\sqrt3},
\frac1{\sqrt3},
\frac1{\sqrt3}
\right)
$$

出發，

在：

$$
\Sigma_{+++}
$$

上演化。

優點：

- 所有點都已經是合法實數 cuboid；
- 只需研究 arithmetic closure；
- 維度最低。

缺點：

- 需要設計非平凡 arithmetic guidance；
- 有理性不能用普通連續距離衡量。

本文認為正式研究應兩條都保留。

---

## 21. Hybrid generation

可以將兩條路徑結合。

第一階段：

$$
X_0
\rightarrow
\mathcal M_{\mathbb R}.
$$

第二階段：

$$
X
\rightarrow
[X]
\in
\mathcal S_{\mathbb R}.
$$

第三階段：

$$
[X]
\rightarrow
\text{arithmetic-guided deformation}.
$$

第四階段：

$$
[X]_{\mathrm{candidate}}
\rightarrow
\text{rational reconstruction}.
$$

第五階段：

$$
\text{candidate}
\rightarrow
\text{exact verification}.
$$

因此：

$$
\boxed{
\text{seed}
\rightarrow
\text{geometry}
\rightarrow
\text{shape}
\rightarrow
\text{arithmetic candidate}
\rightarrow
\text{exact closure}
}
$$

這將作為本系列後續實驗主流程。

---

## 22. 成功不能只定義為 residual 很小

正式研究必須定義多層 success criterion。

### Level G0：幾何收斂

$$
\|F(X)\|<\varepsilon.
$$

這只是 numerical geometry。

### Level G1：精確幾何閉合

$$
F(X)=0
$$

以 symbolic 或 exact arithmetic 驗證。

### Level A0：低複雜度算術候選

存在低 height rational reconstruction：

$$
X\approx Y,
$$

其中：

$$
Y\in\mathbb Q^7.
$$

### Level A1：精確有理閉合

$$
Y\in\mathbb Q_{>0}^{7},
$$

且：

$$
F(Y)=0.
$$

### Level I：primitive integer manifestation

清分母並除去公因數後得到：

$$
P\in\mathbb Z_{>0}^{7},
$$

$$
F(P)=0,
$$

且：

$$
\gcd(P)=1.
$$

只有：

$$
\boxed{
\text{Level A1}
}
$$

以上才真正解決 Perfect Cuboid existence。

---

## 23. 退化吸引子

constraint dynamics 可能收斂到一些並非目標的結構。

### 23.1 零尺度吸引子

$$
X\rightarrow0.
$$

由 normalized dynamics 排除。

### 23.2 邊界吸引子

例如：

$$
a\rightarrow0.
$$

此時 cuboid 退化成矩形。

### 23.3 高對稱 irrational attractor

例如 cube：

$$
a=b=c.
$$

其幾何完美，但算術不滿足。

### 23.4 週期軌道

可能：

$$
X_{n+k}=X_n
$$

但：

$$
F(X_n)\neq0.
$$

### 23.5 chaotic orbit

若更新律過度非線性，可能產生：

$$
\text{bounded but non-convergent dynamics}.
$$

因此研究不應只看：

$$
E_n
$$

是否下降，

還需要記錄 orbit type。

---

## 24. basin of attraction

如果某一 arithmetic candidate：

$$
P
$$

存在，可以問：

$$
\mathcal B(P)
=
\{X_0:
\Phi^n(X_0)\rightarrow P\}.
$$

即：

$$
P
$$

的 basin of attraction。

如果 basin 很大，表示：

$$
P
$$

在某個生成系統中是穩定顯現。

如果 basin 極小，則它可能是一個高度精細的 arithmetic point。

所以「找到一個解」之後，第二層問題之一將是：

$$
\boxed{
\text{解的生成穩定性}
}
$$

這和單純存在性不同。

---

## 25. 分化路徑本身也是資料

傳統方法只關心最終：

$$
X^\ast.
$$

本框架則保留：

$$
X_0,X_1,\ldots,X_n.
$$

因為 trajectory 本身可能暴露：

- 哪個約束最先被滿足；
- 哪些變數成對分化；
- 哪些比例最穩定；
- 哪些 carry/radix pattern 反覆出現；
- 哪些方向總是導向退化；
- 哪些方向產生低 height rational approximants。

因此：

$$
\boxed{
\text{trajectory}
\text{ is part of the mathematical evidence}
}
$$

不是只有 endpoint。

---

## 26. 與世界生成模型的對應

若使用 world-generation language，可以將 Perfect Cuboid 系統寫成：

### World state

$$
X_n.
$$

### World law

$$
F.
$$

### Evolution operator

$$
\Phi.
$$

### Gauge

$$
\mathcal N.
$$

### Observation operator

$$
\mathcal O.
$$

### Exactification operator

$$
\mathcal R.
$$

其中：

$$
\mathcal O
$$

將在下一篇具體變成 radix observation，

而：

$$
\mathcal R
$$

則在第 5 篇處理 rational reconstruction。

因此完整流程：

$$
X_{n+1}
=
\mathcal N
\circ
\Phi
(X_n),
$$

觀察：

$$
Y_n=
\mathcal O(X_n),
$$

最後嘗試：

$$
Q=
\mathcal R(X_n),
$$

並驗證：

$$
F(Q)=0.
$$

---

## 27. 形式化研究命題

本文提出以下研究命題，而非已證定理。

### 命題 C1：Constraint Differentiation Hypothesis

存在一類非退化更新算子：

$$
\Phi
$$

使某些共同初態擾動：

$$
X_0=s\mathbf1+\varepsilon V
$$

可收斂到：

$$
\mathcal M_{\mathbb R}
$$

中的非退化 shape。

這一命題在純幾何層預期並不困難。

### 命題 C2：Arithmetic Attraction Hypothesis

存在某種 arithmetic-aware operator：

$$
\Phi_A
$$

使其軌道對：

$$
\mathcal S_{\mathbb Q}
$$

中的點具有可檢測 attraction 或 complexity reduction。

這一命題目前未知。

### 命題 C3：Representation-Assisted Closure Hypothesis

改變 observation representation，例如 radix：

$$
B,
$$

可能揭露在普通實數座標下不明顯的 arithmetic invariant。

此命題將在下一篇展開。

---

## 28. 第一輪正式實驗的最小版本

本文可以直接導出一個非常小的 MVP。

### Input

選：

$$
s=1.
$$

### Seed

$$
X_0=
\mathbf1+\varepsilon V.
$$

### Constraint

使用：

$$
F(X).
$$

### Gauge

每步固定：

$$
g=1.
$$

### Dynamics

測試：

$$
X_{n+1}
=
\mathcal N
\left(
X_n-\eta\nabla\widehat E(X_n)
\right).
$$

### Logging

記錄：

$$
\widehat E(X_n),
$$

$$
\min(a_n,b_n,c_n),
$$

$$
\frac{b_n}{a_n},
$$

$$
\frac{c_n}{a_n},
$$

以及：

$$
J_F(X_n).
$$

### Output

只分類：

- convergence；
- boundary collapse；
- symmetric attractor；
- cycle；
- divergence。

第一輪不做 Perfect Cuboid 宣稱。

它只驗證：

$$
\boxed{
\text{constraint-induced differentiation dynamics 是否具有穩定結構}
}
$$

---

## 29. 第二輪實驗才加入算術壓力

如果第一輪確認 shape dynamics 可控，才加入：

$$
A_H.
$$

例如混合目標：

$$
L(X)
=
\widehat E(X)
+
\mu A_H(X),
$$

其中：

$$
\mu\ge0.
$$

然後逐步增加：

$$
\mu.
$$

這比一開始就強迫所有變數變成低分母有理數更安全。

可以視為 continuation：

$$
\mu_0=0
$$

逐步變成：

$$
\mu_1<\mu_2<\cdots.
$$

也就是：

$$
\text{先讓世界成立，再增加算術壓力}.
$$

這和本系列的整體哲學一致。

---

## 30. 為什麼不能直接把有理數當連續吸引子

這裡需要一個重要警告。

因為：

$$
\mathbb Q
$$

在：

$$
\mathbb R
$$

中稠密，

任何實數附近都有無限多有理數。

所以不存在普通連續函數：

$$
D:\mathbb R\rightarrow\mathbb R_{\ge0}
$$

能滿足：

$$
D(x)=0
\iff
x\in\mathbb Q
$$

同時又以 Euclidean topology 良好地表達距離。

因此 arithmetic attraction 不可能只是：

$$
\text{distance to }\mathbb Q.
$$

必須加入：

$$
\text{height},
$$

$$
\text{denominator},
$$

$$
\text{radix termination},
$$

$$
\text{valuation},
$$

或其他離散算術資訊。

這也是下一篇引入進位制觀察的主要原因之一。

---

## 31. 從共同初態到第一顯現

現在整體路徑可以寫成：

$$
s
$$

$$
\downarrow
$$

$$
X_0=s\mathbf1
$$

$$
\downarrow
\text{symmetry breaking}
$$

$$
X_0'
$$

$$
\downarrow
\text{constraint differentiation}
$$

$$
X^\ast\in\mathcal M_{\mathbb R}
$$

$$
\downarrow
\text{scale quotient}
$$

$$
[X^\ast]\in\mathcal S_{\mathbb R}
$$

$$
\downarrow
\text{arithmetic guidance}
$$

$$
[P]_{\mathrm{candidate}}
$$

$$
\downarrow
\text{exact reconstruction}
$$

$$
[P]_{\mathbb Q}
$$

$$
\downarrow
\text{integer scaling}
$$

$$
P_{\mathbb Z}.
$$

這就是本文所謂：

$$
\boxed{
\text{constraint-induced manifestation}
}
$$

---

## 32. 本文與「搜尋第一個數字」的差異

如果只問：

> 第一個 Perfect Cuboid 的邊是多少？

那所有非整數 intermediate state 都被視為無用。

但在本文中：

$$
X_n\in\mathbb R^7
$$

本身就是研究對象。

因為我們問的是：

> arithmetic closure 如何從 continuous world 中顯現？

所以：

$$
\text{non-integer}
$$

不等於：

$$
\text{failure}.
$$

它可能只是：

$$
\text{pre-manifestation state}.
$$

這是本系列與傳統整數暴力搜尋最主要的概念差異之一。

---

## 33. 一旦找到第一個解，constraint dynamics 仍然有用

即使未來找到：

$$
P_1\in\mathcal S_{\mathbb Q},
$$

本文的方法也不會失去用途。

因為可以研究：

$$
P_1
$$

附近的 deformation：

$$
P_1+\delta.
$$

再問：

$$
\Phi(P_1+\delta)
$$

是否：

- 回到 $$P_1$$；
- 前往另一個 $$P_2$$；
- 形成一條 rational family；
- 進入退化邊界；
- 產生新的 primitive shape。

因此 constraint dynamics 也會成為第 7、8 篇研究 arithmetic freedom 的工具。

---

## 34. 本篇核心命題整理

### 結構 1：共同初態

$$
X_0=s\mathbf1
$$

是未分化 seed，而不是候選解。

### 結構 2：約束誘導分化

$$
F
$$

根據不同變數的 coupling role 迫使其分化。

### 結構 3：尺度必須移除

否則：

$$
X\rightarrow0
$$

會成為假解方向。

### 結構 4：完全對稱 seed 需要 symmetry breaking

否則容易收斂到 cube-like irrational attractor。

### 結構 5：幾何閉合與算術閉合分開

先：

$$
F(X)=0.
$$

再問：

$$
X\in\mathbb Q^7?
$$

### 結構 6：有理性不能用普通實數距離衡量

必須加入離散算術結構。

### 結構 7：生成路徑也是資料

$$
X_0\rightarrow X_1\rightarrow\cdots
$$

本身可以揭露 constraint geometry。

---

## 35. 下一篇：進位制成為觀察算子

共同初態與 constraint flow 建立後，下一個問題是：

> 同一 underlying state，在不同 representation 中會顯示什麼結構？

因此下一篇將把 base：

$$
B
$$

提升為 observation parameter。

對一個實數：

$$
x
$$

不再只看其值，

而看：

$$
\mathcal O_B(x).
$$

例如：

$$
B=2,
$$

$$
B=3,
$$

$$
B=5,
$$

$$
B=10.
$$

同一個：

$$
x
$$

會產生不同 digit expansion 與 carry propagation。

Perfect Cuboid 的四個平方約束因此可以被重新投影成：

$$
\boxed{
\text{Radix–Carry Global Closure Network}
}
$$

並研究：

- 小數點前後的同步 carry；
- 有限 radix expansion；
- $$\bmod B^n$$ lifting；
- 跨進位制共同 invariant；
- exact rational manifestation。

---

## 36. 結論

本文將 Perfect Cuboid 的「共同初態」概念正式化。

我們不要求：

$$
a=b=c=d=e=f=g
$$

是最終答案。

相反地：

$$
X_0=s\mathbf1
$$

被視為一個未分化生成原點。

Perfect Cuboid 的不同變數之所以產生不同值，不是因為研究者事先猜了不同數，而是因為：

$$
F
$$

內部的 coupling structure 對各變數施加不同約束角色。

因此：

$$
\boxed{
\text{common value}
+
\text{constraint asymmetry}
\rightarrow
\text{numerical differentiation}
}
$$

但僅有幾何分化仍不足以解決原猜想。

真正的研究流程應是：

$$
\boxed{
\text{Undifferentiated Seed}
\rightarrow
\text{Constraint Differentiation}
\rightarrow
\text{Continuous Closure}
\rightarrow
\text{Scale Quotient}
\rightarrow
\text{Arithmetic Guidance}
\rightarrow
\text{Exact Rational Closure}
}
$$

本文因此完成從「解空間存在」到「解空間如何生成」的概念轉換。

下一篇將處理：

# 進位制是觀察算子：Radix–Carry Global Closure

並正式把小數點、有限表示、進位傳播與跨 radix 觀察加入整個生成系統。

---

## 系列目錄

1. **重新表述完美長方體：它不是首先一個整數搜尋問題**
2. **連續世界與尺度商空間：Perfect Cuboid 的拓樸起點**
3. **共同初態與約束誘導分化**
4. **進位制是觀察算子：Radix–Carry Global Closure**
5. **從浮點近似到精確有理閉合**
6. **第一顯現問題：從有理解到最小 Primitive Cuboid**
7. **第一個解之後：Perfect Cuboid 的算術自由度**
8. **解空間的上下界與第二次展開**

---

**End of Paper 03**